货拉拉技术

1. 什么是RAG？ RAG（Retrieval-Augmented Generation，检索增强生成） 是一种结合信息检索与文本生成的技术。 核心思想：在生成答案前，先从大规模知识库中实时检索相关

在2025年初，lalamove交易团队启动了代号为"大扫除"的代码瘦身计划，旨在通过消除无效代码和DB废弃字段的方式，提升代码可读性、可维护性，降低沟通成本，最终提升研发效能。

本文将分享货拉拉海豚平台在大模型推理工程化方面的一系列实践与落地经验，展示其在真实业务场景中的技术探索与工程优化。

在 Lalamove 的全球化版图中，司机运营团队（DOP）面临着一场看不见硝烟的战争。我们在全球多个市场高速扩张，随之而来的是海量的司机准入审核需求：人脸比对验证、证件核验……

Code Review 遇到的挑战 对于核心的业务项目来说，Code Review (代码评审) 是必不可少的。但现实中的代码评审时常常被以下几件事所困扰： Diff 太多，看不过来开 类似的 Bug

本文跟踪2023-2025年的大模型评测发展动态，提炼出其核心要素和方法。并结合货运行业特性，以及真实业务沉淀出最佳评测体系。该体系已在邀约、客服等多条业务线落地，显著加速了AI能力在公司的规模化应用

一、背景与挑战 在移动端测试中，我们始终面对着同一个核心挑战：如何持续降低手工测试的工作量？ 为此，我们团队已经建立起两条成熟的创新提效路径....

在货拉拉业务体系中，"待办"已不限于传统任务管理范畴，在业务中发挥重要的驱动作用。本文将阐述如何通过平台化的待办系统设计，满足多样化业务场景需求，同时实现亿级流量规模的稳定支撑。

本文基于 Anthropic 官方工程博客发布的《Equipping agents for the real world with Agent Skills》进行解读，结合货拉拉数据场景实战做一些探讨